Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com25. Juni 2025 · Q011153

How I’d Build and Sell AI Agents for Businesses from Scratch

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag entwirft einen Praxisweg vom Lernen einfacher KI-Automatisierungen bis zur Akquise und Umsetzung bezahlter Unternehmensprojekte. Der Autor empfiehlt, konkrete Zeitersparnisse nachzuweisen, nennt eigene Erfolgsbeispiele und Preisrichtwerte, belegt deren Verallgemeinerbarkeit jedoch nicht unabhängig.

Mittel

Code Coup skizziert, wie man von einfachen KI-Automatisierungen zu bezahlten Unternehmensprojekten gelangt. Der Autor empfiehlt, zuerst Sprachmodelle und Werkzeuge wie n8n oder Make kennenzulernen und kleine Anwendungen für Aufgaben wie E-Mail-Sortierung oder Terminbuchung zu bauen. Seiner Einschätzung nach lösen einfache Automatisierungen viele wirtschaftlich sinnvolle Probleme; komplexe Agenten seien oft unnötig. Für anspruchsvollere Abläufe nennt er verkettete KI-Aufrufe und LangChain.

Geschäftsideen sollen wiederkehrende Aufgaben mit messbarem Nutzen beseitigen. Der Autor rät, zwei bis drei Lösungen praktisch zu erproben, Zeitersparnisse zu dokumentieren, eine einfache Website mit konkreten Beispielen aufzubauen und gezielt Unternehmen anzusprechen. Preisbeispiele reichen von 30–50 US-Dollar pro Stunde oder 2.000–5.000 Dollar pro Projekt bis zu mehr als 10.000 Dollar für größere Vorhaben. Der Beitrag führt einzelne Kundenergebnisse an, etwa weniger Zeit für E-Mail-Sortierung und Dateneingabe. Diese Zahlen und Erfahrungen stammen vom Autor; der Bericht liefert keine unabhängige Prüfung oder systematische Belege dafür, wie allgemein sie gelten.

Ausführlich lesen

Der Beitrag von Code Coup beschreibt einen stufenweisen Weg, mit KI-gestützten Automatisierungen und Agenten Geschäftskunden zu gewinnen. Der Autor stellt seine Erfahrung als persönliche Grundlage dar und betont, dass viele bezahlbare Lösungen keine komplexen Agenten benötigen: Seiner Einschätzung nach beruhten 95 Prozent der profitablen Anwendungen auf einfachen Automatisierungen. Als Beispiele nennt er das Sortieren von E-Mails, das Buchen von Terminen und das Übertragen von Bestelldaten in Tabellen.

Zunächst empfiehlt er, grundlegende Unterschiede zwischen Sprachmodellen zu verstehen. GPT-4o-mini ordnet er einfachen, schnellen Aufgaben zu, Gemini der Verarbeitung langer Dokumente und Claude der natürlich klingenden Textformulierung. Für den Einstieg in die technische Umsetzung schlägt er Werkzeuge wie n8n oder Make vor und rät, Webhooks, APIs, JSON und Fehlerbehandlung zu lernen. Ein eigenes kleines Projekt, etwa ein Terminplaner, soll praktische Erfahrung und ein erstes Portfolio liefern. Später könnten AWS-Dienste wie Lambda, DynamoDB und S3 laut Autor kostengünstiger sein als n8n; er nennt dafür beispielhafte Monatskosten, ohne diese näher zu belegen.

Für anspruchsvollere, mehrstufige Aufgaben beschreibt der Beitrag den Einsatz verketteter KI-Aufrufe und Kontextverwaltung, etwa mit LangChain oder selbst entwickelten Lösungen. Die Codebeispiele veranschaulichen E-Mail-Kategorisierung, Kalenderbuchung, Support-Antworten und das Auslesen von Bestellinformationen. Der Autor berichtet, solche Lösungen hätten bei einzelnen Kunden den Zeitaufwand deutlich gesenkt: E-Mail-Sortierung sei von einer Stunde auf Minuten gefallen, und eine Datenerfassung bei einem Händler von zwei Stunden auf zehn Minuten täglich. Diese Resultate sind Erfahrungsberichte des Autors, keine unabhängig überprüften Messungen.

Bei der Auswahl von Geschäftsideen rät er, wiederkehrende und ungeliebte Aufgaben zu suchen und nur Lösungen weiterzuverfolgen, die einen messbaren Nutzen bringen. Als Richtwert nennt er eine Ersparnis von mindestens zehn Arbeitsstunden pro Woche. Vor dem Verkauf solle man zwei bis drei Automatisierungen bauen, sie selbst oder bei einem kleinen Unternehmen erproben und Zeitersparnis, Screenshots und kurze Vorführungen dokumentieren. Für die Kundengewinnung empfiehlt der Autor eine einfache Website mit Vorher-Nachher-Beispielen, gezielte Ansprache kleinerer Unternehmen und Verkaufsgespräche, die konkrete Probleme und Einsparungen in den Mittelpunkt stellen.

Als Preisrahmen nennt er zunächst 30 bis 50 US-Dollar pro Stunde oder 2.000 bis 5.000 Dollar pro Projekt; für größere Vorhaben später über 10.000 Dollar. Er rät, API-Kosten und Arbeitszeit einzukalkulieren, nach Gesprächen einen klaren Leistungsumfang schriftlich festzuhalten und bei Projekten Zeitaufwand sowie Probleme zu protokollieren. Der Artikel ist ein praxisorientierter Erfahrungs- und Verkaufsleitfaden: Seine Kosten-, Umsatz- und Einsparungswerte werden als Richtwerte oder persönliche Beispiele präsentiert. Eine systematische Untersuchung oder unabhängige Belege für die Verallgemeinerbarkeit dieser Zahlen enthält der Bericht nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung bezieht sich auf Lunas mittlere Zusammenfassung, die kurze Fassung ist ebenfalls treu, lässt aber die Empfehlungen zu Werkzeugen und Kundenakquise aus. Die Stufen und Anteile aus Lunas Sammeleinordnung wurden nicht übernommen; jede Frage wurde unabhängig anhand des Berichts beurteilt. Der Bericht ist ein Praxisleitfaden für den Verkauf von KI-Automatisierungen und behandelt keine Fragen der KI-Governance, daher fallen alle drei Bewertungen niedrig aus. Teilfragen gab es nicht.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Modellwahl (GPT-4o-mini, Gemini, Claude) und die Unterscheidung von Automatisierungen und Agenten werden nicht konkret benannt.
  • Die Empfehlungen zu Webseite (Carrd, Wix), Lead-Suche (Apollo.io, LinkedIn Sales Navigator), Cold-Mails und Statement of Work fehlen.
  • Die Kostenangaben für n8n und AWS sowie die Aussage, dass etwa 95 % des Geldverdienens mit einfachen Automatisierungen gelingt, fehlen.
  • Der Hinweis, dass man Beispiele kostenlos anbietet und Pitches mit konkreten Zahlen führt, ist nur angedeutet.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 56 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 37 %Hintergrund, keine Belege
    • JEV 40 %nur am Rande erwähnt
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →